找到 8 条结果 · IEEE Transactions on Power Systems
面向多样化通信问题的虚拟电厂频率调节中信息物理融合设计
Cyber-Physical Integration Design for Frequency Regulation in Virtual Power Plants Facing Diverse Communication Issues
Jinrui Guo · Chunxia Dou · Dong Yue · Zhijun Zhang 等6人 · IEEE Transactions on Power Systems · 2025年7月
通过聚合需求侧分布式能源资源形成的虚拟电厂（VPPs）在电力系统调频方面具有很大潜力。然而，由于实际通信网络的复杂性，诸如随机丢包和恶意网络攻击等各种通信问题可能会导致不理想的电力调度和不准确的动态控制。这给虚拟电厂参与调频带来了巨大挑战。为克服这些障碍，我们提出一种信息 - 物理融合设计，以实时、可靠的方式促进虚拟电厂调频。首先，我们提出了一种在云 - 边协作下针对丢包问题的虚拟电厂电力调度与通信资源分配联合设计方案。即在物理层，我们提出了丢包情况下的虚拟电厂电力调度方法；在信息层，我们制定了...
解读: 该信息物理融合频率调节技术对阳光电源PowerTitan储能系统和虚拟电厂解决方案具有重要应用价值。研究提出的通信-控制联合优化架构可直接应用于ST系列储能变流器的AGC调频功能，通过优化通信资源调度应对5G/4G网络时延和丢包问题，提升分布式储能集群的频率响应速度和鲁棒性。针对网络攻击的防护设计可...
知识增强的群体深度强化学习用于大规模电网实时网络约束经济调度
Knowledge-Augmented Population-Based Deep Reinforcement Learning for Real-Time Network-Constrained Economic Dispatch of Large-Scale Power Grid
Yixi Chen · Jizhong Zhu · Hanjiang Dong · Cong Zeng 等5人 · IEEE Transactions on Power Systems · 2025年6月
近年来，深度强化学习（DRL）因其在在线前瞻决策和应对不确定性方面的优势，被广泛应用于实时网络约束经济调度（NCED）。然而，传统DRL方法在计算效率与并行性方面存在局限，难以适应大规模电网环境。为此，本文提出一种新型知识增强的群体深度强化学习（PDRL）方法。PDRL通过扰动代理参数生成种群进行探索，并聚合个体结果构建代理梯度以更新模型，具有高效探索能力与高并行性。结合电网物理知识，提出序贯安全投影（S2P）技术，显著提升决策安全性并降低训练难度。在39节点、500节点和2383节点系统上的仿...
解读: 该知识增强群体深度强化学习技术对阳光电源PowerTitan大型储能系统及iSolarCloud云平台具有重要应用价值。在储能侧，PDRL的高并行性与序贯安全投影技术可优化ST系列储能变流器的实时调度策略，确保大规模储能电站在电网约束下实现经济最优充放电决策，提升电网友好性。在光伏侧，该方法可集成至...
一种基于全纯嵌入的鲁棒方法用于快速追踪含极限点的P-V曲线
A Robust Holomorphic Embedding-Based Method for Fast Tracing of P-V Curves With Limiting Points
Wen Zhang · Yusi Zhang · Cuiqing Zhang · Hsiao-Dong Chiang 等5人 · IEEE Transactions on Power Systems · 2025年4月
针对现有连续潮流方法在处理约束极限时存在的收敛性差、速度慢及误判或忽略极限点等问题，本文提出一种结合弧长参数化的增强型全纯嵌入方法（E-HEAP），适用于大规模电力系统。该方法创新性地有效处理发电机物理硬约束与运行限制，并通过小规模伴随矩阵的特征值计算，高效鲁棒地定位首个硬约束越界点。将非线性方程求解转化为线性代数问题，显著提升数值稳定性与效率。算例验证了其在万节点级系统中准确捕捉所有潜在及首个极限点的能力，相较传统预测-校正等方法，在收敛性、计算效率和理论严谨性方面表现更优。
解读: 该全纯嵌入P-V曲线追踪技术对阳光电源大型储能系统（PowerTitan）及光伏逆变器（SG系列）的电网适应性设计具有重要价值。在储能系统并网规划中，该方法可快速准确评估系统接入对电网电压稳定性的影响，识别功率传输极限点，为ST系列储能变流器的功率调度策略提供理论依据。对于构网型GFM控制技术，该算...
一种基于云边智能的配电网分区与运行优化方法
A Cloud-Edge Intelligence-Based Optimization Method for Distribution Network Partitioning and Operation Considering Simulation Inaccuracy
Renjun Wang · Hongjun Gao · Haifeng Qiu · Longbo Luo 等6人 · IEEE Transactions on Power Systems · 2025年1月
针对分布式可再生能源和负荷波动对配电网运行安全的影响，本文提出一种基于云边协同智能的优化方法，用于配电网分区与实时运行控制。该方法在云端集中训练，在边缘侧实时执行，通过新型分区策略降低计算负担，并引入开关重要性评估方法以压缩动作空间维度。建立多智能体马尔可夫决策过程模型，结合改进的混合多智能体软Actor-Critic算法与域随机化方法，提升策略在仿真与实际系统存在模型失配时的鲁棒性。IEEE 33节点系统及实际445节点网络的仿真验证了所提方法的有效性与优势。
解读: 该云边协同优化技术对阳光电源PowerTitan储能系统和iSolarCloud平台具有重要应用价值。其云端训练-边缘执行架构可直接应用于ST系列储能变流器的分布式协调控制，通过多智能体强化学习实现储能集群的实时功率调度与电网分区管理。域随机化方法增强的鲁棒性可提升储能系统在模型失配场景下的控制可靠...
考虑历史飓风灾害的大规模合成配电网风险评估框架
A Risk Assessment Framework for Large-Scale Synthetic Power Distribution Networks Considering Historical Hurricane Disasters
Shuo Li · Shouxiang Wang · Qianyu Zhao · Dong Liu 等5人 · IEEE Transactions on Power Systems · 2025年1月
针对飓风灾害对配电网影响日益加剧的问题，本文提出一种面向大规模合成配电网的飓风风险评估框架，显著提升了评估的实用性与准确性。通过为负荷点分配具体建筑类型与重要性等级，精细化生成配电网拓扑结构与物理特征，并结合真实历史飓风数据模拟贴近实际的风暴场景与停电情况。引入基于加权负荷削减的新型风险指标进行定量评估，在Emporia和Portsmouth构建合成网络并基于1940至2024年历史飓风事件开展验证。结果表明，城市尺度配电网建模及飓风空间异质性对风险评估精度具有关键影响。
解读: 该飓风风险评估框架对阳光电源PowerTitan大型储能系统及ST系列储能变流器的韧性设计具有重要价值。通过历史灾害数据建模与负荷重要性分级，可优化储能系统在飓风高发区的选址部署与容量配置策略。基于加权负荷削减的风险指标可指导iSolarCloud平台开发极端天气预警模块，实现储能系统在灾前预充电、...
面向最少控制数量的超大规模电网热过载缓解方法
Toward Minimal Number of Controls for Thermal Violation Mitigation for Very Large-Scale Grids
Lin Zeng · Hsiao-Dong Chiang · Dong Liang · IEEE Transactions on Power Systems · 2025年9月
为快速消除输电线路热过载以保障系统安全，需高效计算控制措施。本文提出一种新颖的两阶段方法，用于在大规模电网中快速求解最小控制动作集合，并在45000节点系统上以2秒内完成计算。第一阶段提取相关子网络，第二阶段采用迭代可行性检验（IFC）方法确定子网内最少控制数量。该方法综合考虑交流有功与无功潮流方程及混合整数非线性规划（MINLP）模型，常可达到全局最优。通过多规模系统测试，验证了方法的可扩展性与有效性，计算速度较传统方法提升三个数量级，且显著减少所需控制动作，适用于在线应用。
解读: 该超大规模电网热过载快速缓解技术对阳光电源PowerTitan储能系统和ST系列储能变流器具有重要应用价值。文中提出的两阶段最小控制动作算法可直接应用于储能系统的电网支撑功能：当检测到输电线路过载时，通过子网络提取和迭代可行性检验，在2秒内快速确定最少数量的储能单元参与有功/无功调节，避免全站响应造...
基于能量函数嵌入的准稳态模型实现连锁故障高效仿真
Efficient Simulation of Cascading Outages Using an Energy Function-Embedded Quasi-Steady-State Model
Zhenping Guo · Xiaowen Su · Kaiyang Huang · Kai Sun 等6人 · IEEE Transactions on Power Systems · 2025年1月
本文提出一种嵌入能量函数的准稳态模型，用于在考虑暂态稳定性的同时高效模拟电网连锁故障。与传统准稳态模型相比，该模型结合短期动态仿真与能量函数法，无需完整暂态稳定仿真即可评估系统暂态稳定性及故障传播过程。每次扰动后，模型首先进行短时域仿真获取扰动后轨迹，继而搜索势能局部最大点并利用牛顿法求解相关不稳定平衡点，最后基于此点估算暂态能量裕度以预测发电机失步。该模型在NPCC 140节点系统上验证了其精度与计算效率，并与嵌入暂态稳定仿真的准稳态模型进行了对比。
解读: 该连锁故障高效仿真技术对阳光电源PowerTitan大型储能系统及ST系列储能变流器的电网支撑功能具有重要价值。文中提出的能量函数嵌入准稳态模型可应用于储能系统的构网型GFM控制策略优化：通过快速评估暂态稳定裕度，储能系统可在电网扰动时动态调整有功/无功输出，预防连锁故障扩散。该方法的计算高效性使其...
多任务图自适应学习在澳大利亚国家电力市场多元电价短期预测中的应用
Multi-Task Graph Adaptive Learning for Multivariate Electricity Price Short-Term Forecasting in Australia's National Electricity Market
Yi Li · Chaojie Li · Guo Chen · Xiaojun Zhou 等5人 · IEEE Transactions on Power Systems · 2024年4月
准确的电价短期预测对电力市场数字化至关重要。然而，可再生能源扩张与用电需求增长导致电价波动加剧，预测难度加大。供需不平衡的不确定性及电力市场的时空关联性是精准预测的主要障碍。本文提出一种多任务学习模型MGAAL，结合图注意力机制，并引入异常价格尖峰预测的辅助任务，提升泛化能力并降低过拟合风险。MGAAL采用基于注意力的图神经网络捕捉电力时空流动动态，并通过同方差不确定性和梯度归一化自适应调整任务权重。基于澳大利亚国家电力市场数据的实验表明，该模型性能优于当前先进方法。
解读: 该多任务图自适应学习电价预测技术对阳光电源储能系统具有重要应用价值。在PowerTitan大型储能系统和ST系列储能变流器的能量管理策略中，精准的电价短期预测可优化充放电调度决策，通过峰谷套利提升收益。其图神经网络捕捉时空关联的方法可集成至iSolarCloud云平台，实现多站点储能协同优化。异常价...